BAB IV. ANALISIS DATA DAN PEMBAHASAN
C. Analisis Data
1. Statistik Deskriptif
Variabel-variabel dalam penelitian ini meliputi kompensasi, motivasi kerja, dan kinerja. Statistik deskriptif dari variabel-variabel tersebut disajikan dalam Tabel 4.7 berikut.
TABEL 4.7
STATISTIK DESKRIPTIF
N Minimum Maximum Mean Std. Deviation
TOTALKOM 124 42.00 55.00 47.8629 3.56891
TOTALMOT 124 46.09 320.73 1.7143E2 63.47811
TOTALKIN 124 42.00 75.00 59.5000 6.71910
Valid N (listwise) 124 Sumber: Data primer diolah.
Dalam Tabel 4.7 di atas, kompensasi memiliki nilai minimum 42 dan nilai maksimum 55, serta nilai mean 47.8629. Motivasi kerja memiliki nilai minimum 46,09 dan nilai maksimum 320,73, serta nilai mean
1.7143E2. Kinerja memiliki nilai minimum 42 dan nilai maksimum 75, serta nilai mean 59.5000.
commit to user
2. Pengujian Kualitas Data
Data yang sudah terkumpul, sebelum dianalisis, terlebih dahulu harus diuji validitas dan reliabilitasnya guna melihat apakah data yang diperoleh dari responden dapat menggambarkan secara tepat konsep yang diuji. Selain itu, uji validitas dan reliabilitas dilakukan untuk
meminimalkan beberapa kesalahan dalam mengumpulkan data,
pengukuran variabel yang diteliti, dan kesalahan yang disebabkan oleh faktor-faktor eksternal yang tidak dapat dikendalikan oleh peneliti, misalnya responden yang tidak jujur dan sembarangan dalam menjawab pertanyaan. Keseluruhan uji kualitas data dilakukan dengan menggunakan
softwareSPSS 16.0 for Windows.
a. Uji Validitas
Uji validitas dimaksudkan untuk menilai sejauh mana alat ukur tersebut diyakini dapat dicapai sebagai alat untuk mengukur item-item dalam penelitian. Teknik yang digunakan untuk mengukur validitas
dalam penelitian ini adalah dengan menggunakan Pearson’s
Correlation Product Moment, dengan cara mengkorelasikan antara skor masing-masing item pernyataan dengan skor total item pernyataan tersebut. Instrumen dinyatakan valid jika nilai probabilitas < 0,05 (
α
= 5%).commit to user
TABEL 4.8
HASIL UJI VALIDITAS VARIABEL KOMPENSASI
No.
Item Probabilitas Interpretasi
1 0,000 Valid 2 0,000 Valid 3 0,000 Valid 4 0,000 Valid 5 0,000 Valid 6 0,000 Valid 7 0,000 Valid 8 0,000 Valid 9 0,000 Valid 10 0,000 Valid 11 0,000 Valid
Sumber: Output SPSS diolah.
Tabel 4.8 menunjukkan bahwa seluruh item pernyataan
variabel kompensasi valid karena nilai probabilitasnya < 0,05.
TABEL 4.9
HASIL UJI VALIDITAS VARIABEL MOTIVASI BAGIAN A
No.
Item Probabilitas Interpretasi
1 0,000 Valid 2 0,000 Valid 3 0,000 Valid 4 0,000 Valid 5 0,000 Valid 6 0,000 Valid 7 0,000 Valid 8 0,000 Valid 9 0,000 Valid 10 0,000 Valid 11 0,000 Valid
commit to user
Tabel 4.9 menunjukkan bahwa seluruh item pernyataan
variabel motivasi bagian A valid karena nilai probabilitasnya < 0,05.
TABEL 4.10
HASIL UJI VALIDITAS VARIABEL MOTIVASI BAGIAN B
No.
Item Probabilitas Interpretasi
1 0,000 Valid 2 0,000 Valid 3 0,000 Valid 4 0,000 Valid 5 0,000 Valid 6 0,000 Valid 7 0,000 Valid 8 0,000 Valid 9 0,000 Valid 10 0,000 Valid 11 0,000 Valid
Sumber: Output SPSS diolah.
Tabel 4.10 menunjukkan bahwa seluruh item pernyataan
variabel motivasi bagian B valid karena nilai probabilitasnya < 0,05.
TABEL 4.11
HASIL UJI VALIDITAS VARIABEL MOTIVASI BAGIAN C
No.
Item Probabilitas Interpretasi
1 0,000 Valid
2 0,000 Valid
3 0,000 Valid
commit to user
Tabel 4.11 menunjukkan bahwa seluruh item pernyataan
variabel motivasi bagian C valid karena nilai probabilitasnya < 0,05.
TABEL 4.12
HASIL UJI VALIDITAS VARIABEL KINERJA
No.
Item Probabilitas Interpretasi
1 0,000 Valid 2 0,000 Valid 3 0,000 Valid 4 0,000 Valid 5 0,000 Valid 6 0,000 Valid 7 0,000 Valid 8 0,000 Valid 9 0,000 Valid 10 0,000 Valid 11 0,000 Valid 12 0,000 Valid 13 0,000 Valid 14 0,000 Valid 15 0,000 Valid
Sumber: Output SPSS diolah.
Tabel 4.12 menunjukkan bahwa seluruh item pernyataan
variabel kinerja valid karena nilai probabilitasnya < 0,05.
b. Uji Reliabilitas
Setelah melakukan uji validitas terhadap tiap variabel, dilakukan pengujian reliabilitas. Uji reliabilitas dilakukan untuk mengetahui sejauh mana hasil pengukuran tetap akurat dan konsisten
commit to user
atau stabil dari waktu ke waktu agar dapat dipercaya hasilnya. Uji reliabilitas dalam penelitian ini dilakukan dengan uji statistik
Cronbach Alpha dari masing-masing instrumen dalam satu variabel. Suatu konstruk atau variabel dikatakan reliabel jika memberikan nilai
Cronbach Alpha > 0,60 (Nunnally, 1967 dalam Ghozali, 2006: 42). Hasil pengujian reliabilitas dalam penelitian ini disajikan dalam Tabel 4.13 berikut.
TABEL 4.13
HASIL UJI RELIABILITAS
Variabel Cronbach
Alpha Interpretasi
Kompensasi 0,805 Reliabel
Motivasi Kerja Bagian A 0,872 Reliabel
Motivasi Kerja Bagian B 0,912 Reliabel
Motivasi Kerja Bagian C 0,925 Reliabel
Kinerja 0,899 Reliabel
Sumber: Output SPSS diolah.
Dari hasil uji reliabilitas di atas diperoleh koefisien Cronbach’s Alpha sebesar (1) 0,805 untuk variabel kompensasi; (2) 0,872 untuk variabel motivasi kerja bagian A; (3) 0,912 untuk variabel variabel motivasi kerja bagian B; (4) 0,925 untuk variabel motivasi kerja bagian C; (5) 0,889 untuk variabel kinerja. Berdasarkan kriteria Nunnally (1967) dalam Ghozali (2006: 42), maka instrumen yang digunakan dalam penelitian ini dapat dikatakan reliabel karena nilai
commit to user
Cronbach’s Alpha > 0,60. Hal tersebut berarti bahwa konstruk pernyataan yang diberikan dalam variabel kompensasi, motivasi, dan kinerja, adalah reliabel sehingga setiap item pernyataan dalam kuesioner tersebut dapat digunakan dalam pengukuran.
c. Uji Asumsi Klasik
Model yang digunakan dalam penelitian ini akan menghasilkan nilai parameter yang sahih apabila telah memenuhi asumsi klasik regresi normalitas, multikolinieritas, dan heteroskedastisitas. Keseluruhan pengujian asumsi klasik dalam penelitian ini dilakukan dengan menggunakan softwareSPSS 16.0 for Windows.
1) Uji Normalitas
Pengujian ini dilakukan untuk memastikan apakah dalam sebuah model regresi, variabel dependen, variabel independen, atau keduanya memiliki distribusi normal. Model regresi yang baik adalah model regresi yang berdistribusi normal atau hampir
mendekati normal. Untuk mendeteksi normalitas, dapat
menggunakan uji One-sample Kolmogorov-Smirnov atau dengan analisis grafik plot. Hasil uji One-sample Kolmogorov-Smirnov dan grafik scatterplots & histogram dapat dilihat dalam Gambar 4.1 dan Gambar 4.2.
commit to user
Gambar 4.1
Grafik Histogram Uji Normalitas
Gambar 4.2
commit to user
TABEL 4.14
HASIL UJI NORMALITAS
Sumber: Output SPSS.
Nilai Kolmogorov-Smirnov pada Tabel diatas adalah 0,394 dengan signifikansi lebih besar dari 0,05 (0,998), gambar yang ditunjukkan oleh grafik scatterplots yang mendekati garis lurus serta gambar grafik histogram yang tidak menceng ke kanan atau kiri ini menunjukkan bahwa data berdistribusi normal.
2) Uji Multikolinieritas
Uji multikoliniearitas bertujuan untuk menguji apakah di dalam model regresi ditemukan adanya korelasi antarvariabel
independen. Uji multikolinearitas dilakukan dengan
membandingkan nilai tolerance dan variances inflation factor
(VIF). Kedua ukuran tersebut menunjukkan setiap variabel
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 124
Normal Parametersa Mean .0000000
Std. Deviation 5.63517418 Most Extreme Differences Absolute .035 Positive .035 Negative -.035 Kolmogorov-Smirnov Z .394
Asymp. Sig. (2-tailed) .998
commit to user
independen manakah yang dijelaskan oleh variabel independen yang lain. Jika nilai tolerance lebih besar dari 0,1 dan nilai VIF
lebih kecil dari 10, maka tidak terjadi multikoliniearitas. Dalam penelitian ini terdapat satu variabel independen yaitu kompensasi dan satu variabel moderating yaitu motivasi kerja. Tabel hasil uji multikolinieritas akan ditunjukkan di berikut.
TABEL 4.15
HASIL UJI MULTIKOLINIERITAS
Variabel Collinearity Statistics Tolerance VIF
Kompensasi 0,851 1,175
Motivasi Kerja 0,851 1,175
Sumber: Output SPSS diolah
Dari Tabel 4.15 di atas, nilai tolerance untuk variabel kompensasi dan motivasi kerja adalah 0,851 yang berarti lebih besar dari 0,1 dan nilai VIF 1,175 lebih kecil dari 10 sehingga dapat dinyatakan bahwa tidak terjadi masalah multikolinieritas dalam model penelitian ini.
3) Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain (Ghozali, 2006:105).
commit to user
Untuk menguji ada tidaknya heteroskedastisitas dalam penelitian ini, digunakan uji park dan analisis grafik plot.
Indikasi heterosidaksitas melalui uji park ditunjukkan oleh koefisien parameter beta dari persamaan regresi tersebut, apakah signifikan atau tidak, jika signifikan, hal tersebut menandakan adanya heretosidaksitas pada data model. Hasil uji park dapat dilihat pada Tabel 4.16 berikut.
TABEL 4.16
HASIL UJI PARK
Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) -3.179 2.372 -1.340 .183
TOTALKOM .100 .053 .180 1.897 .060 .851 1.175 TOTALMOT .005 .003 .147 1.545 .125 .851 1.175 Sumber: Output SPSS diolah
Dari Tabel 4.16 diatas dapat diketahui bahwa koefisien parameter untuk variabel kompensasi dan motivasi kerja tidak ada yang signifikan. Berdasarkan hasil uji park tersebut, maka dapat disimpulkan bahwa tidak terjadi gejala heterosidaksitas pada model regresi. Hal ini konsisten dengan hasil grafik scatterplots seperti yang tergambar pada Gambar 4.3 berikut ini.
commit to user
Gambar 4.3
Grafik Plot Uji Heterokedastisitas
4) Uji Autokorelasi
Uji autokorelasi ini digunakan untuk memastikan bahwa residual (kesalahan penganggu) bebas dari suatu observasi ke observasi lainnya. Meskipun relatif jarang terjadi pada data
crossection (silang waktu), uji ini tetap dilakukan untuk menjamin model regresi agar menjadi baik, karena model regresi yang baik adalah model regresi yang bebas dari autokorelasi. Disini peneliti menggunakan metode Durbin-Watson (DW test) untuk mendeteksi ada atau tidaknya autokorelasi.
commit to user
TABEL 4.17
HASIL UJI DURBIN WATSON
Model R R Square Adjusted R Square Std. Error of the Estimate Durbin- Watson 1 .545a .297 .285 5.68155 1.715
Sumber: Output SPSS diolah
Dari hasil pengujian di atas tampak bahwa nilai DW untuk model regresi adalah 1,715. nilai tersebut kemudian dibandingkan dengan nilai du pada tabel Durbin-Watson dengan menggunakan
tingkat signifikansi 0,05, n =124, k=1. Hasil pengujian menunjukkan bahwa tidak terjadi autokorelasi pada model regresi, karena 1,69 (du) < 1,715 (d) < 2,31 (4 - du).
Dari hasil uji asumsi klasik secara keseluruhan dapat disimpulkan bahwa nilai parameter yang dihasilkan dalam model penelitian ini adalah sahih karena telah memenuhi asumsi klasik regresi.
3. Pengujian Hipotesis
a. Hipotesis Pertama
Hasil pengujian regresi I dengan kompensasi sebagai variabel independen dan kinerja sebagai variabel dependen disajikan pada Tabel 4.18 berikut.
commit to user
TABEL 4.18
HASIL MODEL REGRESI I
Model R R Square Adjusted R Square Std. Error of the Estimate 1 .347a .120 .113 6.32822
Sumber: Output SPSS diolah
Angka adjusted R square menunjukkan koefisien determinasi atau peranan variance (variabel independen dalam hubungan dengan variabel dependen). Angka adjusted R square sebesar 0,113
menunjukkan bahwa hanya 11,3% variabel kinerja yang bisa dijelaskan oleh variabel kompensasi, sisanya 88,7% dijelaskan oleh faktor lain.
TABEL 4.19
SIGNIFIKANSI NILAI F MODEL REGRESI I
Model Sum of Squares df Mean Square F Sig. 1 Regression 667.343 1 667.343 16.664 .000a Residual 4885.657 122 40.046 Total 5553.000 123
Sumber: Output SPSS diolah
Dari Tabel 4.19 di atas, nilai Fhitung adalah sebesar 16,664
dengan tingkat signifikansi 0,000 lebih kecil daripada 0,05. Hal ini menunjukkan kompensasi berpengaruh terhadap kinerja.
commit to user
TABEL 4.20
SIGNIFIKANSI NILAI T MODEL REGRESI I
Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std.
Error Beta Tolerance VIF
1 (Constant) 28.262 7.673 3.683 .000
TOTALKOM .653 .160 .347 4.082 .000 1.000 1.000
Sumber: Output SPSS diolah
Persamaan regresi yang diperoleh Y = 28,262 + 0,653 X1
Hasil analisis regresi I (Tabel 4.20) menunjukkan t hitung kompensasi adalah sebesar 4,082 dengan signifikansi t bernilai 0,000 (siginifikan) dan koefisien regresi sebesar 0,653. Hal ini berarti bahwa kompensasi mempunyai pengaruh positif dan signifikan terhadap kinerja.
b. Hipotesis Kedua
Hasil pengujian regresi II dengan kompensasi sebagai variabel independen dan kinerja sebagai variabel dependen, serta motivasi kerja sebagai variabel moderasi disajikan pada Tabel 4.21 berikut.
commit to user
TABEL 4.21
HASIL MODEL REGRESI II
Model R R Square Adjusted R Square Std. Error of the Estimate 1 .560a .314 .297 5.63438
Sumber: Output SPSS diolah
Angka adjusted R square menunjukkan koefisien determinasi atau peranan variance (variabel independen dalam hubungan dengan variabel dependen). Angka adjusted R square sebesar 0,297
menunjukkan bahwa hanya 29,7% variabel kinerja yang bisa dijelaskan oleh variabel kompensasi, sisanya 71,3% dijelaskan oleh faktor lain.
TABEL 4.22
SIGNIFIKANSI NILAI F MODEL REGRESI II
Model Sum of Squares df Mean Square F Sig. 1 Regression 1743.453 3 581.151 18.306 .000a Residual 3809.547 120 31.746 Total 5553.000 123
Sumber: Output SPSS diolah
Dari Tabel di atas, nilai Fhitung adalah sebesar 18,306 dengan
tingkat signifikansi 0,000 lebih kecil daripada 0,05. Hal ini menunjukkan kompensasi, motivasi kerja, serta interaksi antara
commit to user
kompensasi dan motivasi kerja berpengaruh secara bersama-sama terhadap kinerja.
TABEL 4.23
SIGNIFIKANSI NILAI T MODEL REGRESI II
Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) 74.636 23.344 3.197 .002
TOTALKOM -.495 .494 -.263 -1.003 .318 .083 12.037 TOTALMOT .160 .120 -1.511 -1.335 .184 .004 224.010 MODERAT -.004 .002 2.175 1.742 .084 .004 272.648 Sumber: Output SPSS diolah
Persamaan regresi yang diperoleh
Y = 74,636 - 0,495 X1 + 0,160 X2 - 0,004 X1 X2
Hasil analisis regresi II (Tabel 4.23) menunjukkan t hitung kompensasi adalah sebesar -1,003 dengan signifikansi t 0,318 (tidak siginifikan). Variabel motivasi kerja mempunyai t hitung sebesar - 1,335 dengan signifikansi 0,184 (tidak signifikan). Variabel
MODERAT (interaksi antara variabel kompensasi dan motivasi kerja) mempunyai t hitung sebesar 1,742 dengan signifikansi 0,084 (tidak signifikan). Hal ini berarti bahwa variabel motivasi kerja bukan merupakan variabel moderasi dalam hubungan antara kompensasi dengan kinerja.
commit to user
Berdasarkan hasil analisis regresi II yang menolak motivasi kerja sebagai variabel moderasi, maka dilakukan analisis regresi III untuk mengetahui pengaruh motivasi kerja terhadap kinerja. Hasil pengujian regresi III dengan kompensasi dan motivasi kerja sebagai variabel independen dan kinerja sebagai variabel dependen disajikan pada Tabel 4. 24 berikut.
TABEL 4.24
SIGNIFIKANSI NILAI F MODEL REGRESI III
Model Sum of Squares df Mean Square F Sig.
1 Regression 1508.768 1 1508.768 45.514 .000a
Residual 4044.232 122 33.149
Total 5553.000 123
Sumber: Output SPSS diolah
Dari Tabel 4.24 di atas, nilai Fhitung adalah sebesar 45,514
dengan tingkat signifikansi 0,000 lebih kecil daripada 0,05. Hal ini menunjukkan kompensasi dan motivasi kerja berpengaruh secara bersama-sama terhadap kinerja. Hasil analisis regresi III juga membuktikan bahwa motivasi kerja adalah sebagai variabel independen (predictor) dalam hubungannya dengan kinerja.
commit to user